从渠道、话题、客户身份和班次四个维度设计聊天分流规则,并说明AI何时转人工、如何衡量效果,附 AI SNS CHAT 设置路径。
客户同时从网站聊天、WhatsApp、LINE 和 WeChat 进来,团队却只有几个人,还分散在不同时区。没有清楚的分流规则,常见的结果是:简单问题占用了资深同事,棘手投诉却被机器人反复打转,半夜的转接无人接手。
这篇文章讲怎样把“谁先回、什么时候转人工、转给谁”写成团队都看得懂的规则,并说明在 AI SNS CHAT 里哪些部分可以直接配置,哪些需要靠流程来补。
分流规则到底在决定什么
很多团队把分流理解为“把聊天分给某个人”。其实一条规则要回答的是四个问题:
- 谁先接? AI、真人,还是按情况区分。
- 什么情况下换人? 也就是转接的触发条件。
- 换给谁? 具体到某个人、某个班次,还是某个团队。
- 客户看到什么? 转接的那一刻,客户会收到怎样的说明。
规则不需要复杂,但必须写下来。口头约定在人少的时候还能用,一旦有人请假、换班或新人入职,就会各说各话。
一个简单的检验方法:随便挑一段已经结束的对话,问两位不同的同事“这段对话本该由谁处理”。如果答案不一致,说明规则还不够清楚。
可以依据的四类信息
渠道
不同渠道的客户预期不同。网站聊天的访客多半在浏览商品,想快速得到答案;WhatsApp 和 LINE 的客户往往是已有联系的老客户,期待的是延续性的服务;WeChat 对不少华人客户来说是日常沟通工具,回复慢了更容易被视为怠慢。
渠道还会带来操作上的限制。例如 WhatsApp 的主动发送有 24 小时窗口的约束,这会影响你能否在客户沉默后再次联系对方。设计规则时,把渠道当作第一层信息,而不是唯一一层。
话题与意图
“想问尺码”和“包裹丢了要退款”显然不该走同一条路径。常见的做法是把话题分成三档:
- 资料能回答的:营业时间、运费说明、退换货政策、商品规格。
- 需要核对订单或账户的:物流状态、付款失败、发票。
- 需要判断或让步的:赔偿、例外退款、投诉升级。
第一档适合 AI 全程处理;第二档可以由 AI 先收集订单号等信息,再交给真人;第三档应尽早转人工。
客户身份与价值
新访客、已留下联系方式的潜在客户、复购多次的老客户,处理方式可以不同。比如正在询价的企业客户,值得更快转给销售;而一般咨询则不必。前提是你的系统里确实有这些信息,通过表单或联系人属性收集即可,不要凭猜测分级。
时间与班次
跨境业务最容易出问题的就是时间。新加坡的白天是欧洲的凌晨,台北的下班时间是吉隆坡的傍晚。规则里必须明确:现在是谁当班,没人当班时怎么办,客户会被告知什么。
- 01客户发来第一条消息
- 02AI 依据资料先回答
- 03触发转人工条件
- 04通知当班同事并告知客户
- 05真人接管并解决
- 06复盘并补充资料
常见的分流模型
模型一:AI 先答,必要时转人工
这是大多数中小团队的起点。AI 处理常见问题,遇到触发条件才转给人。优点是人力集中在真正需要判断的对话上;缺点是如果触发条件写得太松,客户会感觉被机器人拦着不放。
模型二:按渠道分工
例如网站聊天由 AI 主答,WhatsApp 上有订单的老客户由真人优先。这种模型简单,但容易忽视同一客户在多个渠道出现的情况。
模型三:按话题分层
上文提到的三档话题,各自对应不同的处理方式。这套模型最贴近实际问题,不过需要先花时间整理常见问题的清单,并定期更新。
模型四:按班次轮值
把时间维度放进来:白天由本地团队接,晚上由另一个时区的同事接,深夜只由 AI 应答并留下“明天一早联系你”的说明。适合有两个以上时区的团队。
决定 AI 何时交棒
转人工的条件,是整套规则里最影响客户体验的部分。可以从三类信号去设计:
- 客户明确要求:客户说“我要找真人”,就应该尊重,不要再追问一轮“还有什么能帮您”。
- 话题敏感:退款争议、投诉、涉及个人账户或付款的问题,宁可早转,也不要让 AI 去做让步性的承诺。
- AI 自己没把握:知识库里没有对应内容时,诚实说明并转交,比编一个看似合理的答案安全得多。
另外可以考虑情绪信号:客户连续两次表示不满、重复同一个问题,说明当前路径没有帮到对方。
转接前先收集什么
交棒之前,让 AI 先问清楚几项关键信息,比如订单号、问题简述、联系方式。这样真人接手时不必从头问起,客户也不用重复自己说过的话。需要注意的是,收集的信息要有必要,不要为了“完整”一口气问五六个问题。
上图是为说明方法而设的假设数据,不代表任何真实店铺。它想表达的是:如果“AI 缺少资料”占比偏高,应该先补资料,而不是增加人手;如果“客户要求真人”占比最高,则要检查 AI 的回答是否让客户失去了耐心。
让转接保持坦诚
转接时最容易出现的问题,是客户收到一句“已为您转接客服”,之后就是沉默。更好的做法是说清楚三件事:
- 已经转给真人了。
- 接下来会发生什么,例如“同事会在上班后回复你”。
- 如果有明确的服务时间,直接告知,而不是给一个模糊的“很快”。
不要在没有把握的情况下承诺具体等待时间。客户对“明早九点前回复”并等到了的好感,远高于对“五分钟内”却等了两小时的失望。
同时,不要让 AI 假装成真人,也不要在转接后让机器人继续抢话。真人接管之后,AI 应暂停,避免两边同时回复造成混乱。
衡量分流规则有没有用
规则上线后不是结束。可以每月固定看几类指标:
- 转人工的比例与原因:如上面的示例图,按原因分组,找出最大的一块。
- 客户评价:好评与差评集中在哪些话题。
- 未解决或被升级的对话:这些对话是不是都经过了转接,转接是否及时。
- 各时段的对话量:判断班次安排是否匹配。
举个假设的例子:如果一家店每月有 300 段对话,其中大部分是物流查询,那么最划算的改进可能是把物流说明写得更清楚,而不是多排一个人值班。
复盘时抽查几段真实对话比盯着数字更有启发。读十段被转接的对话,往往能发现三四个共同的原因。
结论
好的分流规则不追求覆盖所有情况,而是让每个人都清楚:谁先接、何时换人、客户被告知什么。从渠道、话题、客户身份和班次这四类信息入手,先建立一条简单的主线,再根据转人工原因的分布逐步调整。
在 AI SNS CHAT 中怎么做
下面按实际功能说明哪些环节可以直接配置。先说明一点:产品资料中没有显示独立的“关键词或话题自动路由规则引擎”,所以话题层面的判断,目前主要通过智能体的人设与规则来表达,而不是一张规则表。
1. 设定转人工的判断标准。 在智能体的人设与防护规则里,写明哪些情况应该交给真人,例如客户明确要求、退款争议、资料中找不到答案。产品也内置了“Escalations”操作,可以作为转交的一环。内置操作需要 Hobby 或更高方案,每个智能体可用的操作数量按方案递增。可以先在 Playground 里模拟几段对话,确认触发效果。
2. 按班次分配。 在 Helpdesk → Scheduling 里,为每位同事按时区设置班次。转接发生时,系统会自动分配给当班的人。Helpdesk 需要 Standard 或更高方案。
3. 设置提醒。 转接提醒可以发送到 Slack、Teams、LINE WORKS、WhatsApp、电子邮件或 Webhook,选择团队平时最常看的那个渠道,避免提醒被忽略。
4. 客户看到的说明。 转接时,系统会读取排班表,自动补上“接下来会发生什么”的说明,而且不会编造等待时间。
5. 真人接管。 在对话中接管后,机器人会暂停。电子邮件对话在 Inbox 里处理;其他渠道,包括网站聊天、WhatsApp、LINE、WeChat 等,在 Activity → Chat logs 查看。两处都支持接管、实时翻译和保存回复,也可以把你修改后的回复设为理想答案,用来训练智能体。
6. 收集客户信息。 用“Collect leads”操作或自定义表单收集联系方式,线索会出现在 Activity → Leads,同时生成联系人。自定义属性的说明文字会告诉智能体何时询问该字段,可以用来在转接前问清关键信息。
7. 复盘。 在 Chat logs 中可以按条件筛选、标记、升级、标为已解决,并导出;也可以查看点赞与点踩评价。Analytics 提供对话、话题、问题历史和情绪分析,其中高级分析需要 Pro 方案。
常见问题
在 WhatsApp 上应该先由 AI 回答还是先由真人回答?
多数团队的做法是 AI 先答常见问题,一旦客户要求真人或涉及退款、投诉,再转给人。如果是已有订单的老客户,可以在规则中让转接更早发生。无论哪种,都要在转接时告诉客户接下来会发生什么。
AI SNS CHAT 会按关键词或话题自动分流吗?
产品资料中没有显示独立的关键词路由规则表。转人工的判断主要通过智能体的人设与规则,加上 Escalations 等操作来实现,转接后再按班次自动分配给当班的人。建议先在 Playground 中测试触发效果。
在哪里查看 Messenger 和网站聊天的对话?
电子邮件对话在 Inbox 中处理,其他渠道(包括 Messenger 和网站聊天)的对话都在 Activity → Chat logs。两处都可以接管对话,接管后机器人会暂停。
转接时客户会看到什么?
系统会读取排班表,自动加上“接下来会发生什么”的说明,并且不会编造等待时间。如果当前没有人当班,客户看到的也是基于排班的真实情况。
按班次转接需要哪个方案?
Helpdesk(包括 Scheduling 排班)需要 Standard 或更高方案。Slack、Teams 等集成和内置操作则需要 Hobby 或更高方案,具体可在 /pricing 查看当前价格与限制。


